示例用例
Floris Roodenburg是代尔夫特理工大学数学系的一名优秀硕士生,她在 VORtech 实习,尝试了一些非侵入式方法。我们希望了解各种方法的优缺点,并了解模型降阶的适用性和局限性。VORtech的Thea Kik-Vuik是这次实习的导师。
如上所述,侵入式方法将是最优雅的。事实上,OpenFOAM 中模型降 最近的手机号码数据 的实现工作已经在进行中。但在实习期间,这项名为ITHACA-FV的成果仍然缺少一些我们所需的功能。这再次凸显了实施侵入式方法绝非易事。
非侵入式方法更可行。对我们来说,另一个好处是,这些方法的经验更加宝贵,因为我们的客户通常没有足够的预算来全力进行模型降阶。至少在它的价值得到证实之前是这样。因此,他们很可能会开始尝试非侵入式方法,并可能向我们寻求支持。
Floris 探索的各种方法之一是带插值的固有正交分解 (PODI)。有一个很好的开源 Python 库可用于此,称为EZyRB。对于数学家来说:基本思想是在一系列参数设置和时间实例中运行原始模型,收集矩阵中的结果向量(“快照”),并对该矩阵进行奇异值分解。这为您提供了结果空间的最重要模式(模式)。现在,这些最重要的模式跨越了缩小的空间。然后,计算给定一组参数的解就是在适当的快照之间。